Facebook利用機器學習 實現100種語言「直接互譯」

Facebook宣布推出以機器學習為基礎的語言翻譯技術「M2M-100」，標榜能直接翻譯超過100種語言，同時並非像傳統透過中間介質語言 (例如英文)方式進行翻譯，而是讓兩種語言能直接互譯，藉此保留更完整的語言原意。

「M2M-100」總計對應100種語言，並且透過多達75億組字句，以及超過150億種參數訓練，進而可實現對應兩種語言直接互譯，而非透過中間介質語言轉換。

依照Facebook研究助理Angela Fan解釋，傳統翻譯方式通常是透過中間介質語言進行翻譯，透過同義比對方式翻譯不同語言構成語句，而這樣的方式最常見的作法是以英語做為中間介質語言，因為英語對應內容較為普及，因此相對容易用來比對不同語言字句所對應含意。

不過，由於透過中間介質語言對應資料比對方式仍會有誤差，加上進行二次翻譯 (例如中文轉成英文，在從英文轉成法文)過程也會讓原本字句含意走樣，更不用說部分語言像中文在同字情況，可能就會代表不同含意，因此在這樣的翻譯方式難免會讓原本陳述內容無法百分之百重現。

而在Facebook的作法，則是仰賴本身每天串接超過20億人互動，同時累積大量發文內容，其中至少涵蓋160種語言，同時超過三分之二的內容是以英語以外語言撰寫，使得Facebook能運用這些內容進行深度機器學習，讓電腦系統能自行學習不同語言內容互譯，並且得到能保留原文含意的翻譯結果。

藉由BLEU雙語互換評鑑測試結果，Facebook提出的語言翻譯方式，將比傳統以中間介質語言進行翻譯的方式更為精準。

目前Facebook已經在動態時報頁面提供外語翻譯功能，平均每天翻譯量超過200億次，同時也能由各地區的Facebook使用者手動回報翻譯結果，讓Facebook能針對翻譯結果進行調整，藉此讓翻譯功能更為準確。

類似的作法，Google過去也提出以人工智慧協助提高翻譯精準度的方法，不過翻譯過程則是透過可讓系統理解的中間介質語言，進而轉譯成目標翻譯語言，並且配合機器學習分析理解翻譯語句關連，進而了解整段語句所要表達含意，讓過往逐字翻譯產生的奇怪語句情況有所改善，達成更貼近自然語句的直譯效果。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》